Original
2017-11-06
老马
生信草堂
“生信草堂
将会与更多的优秀微信公众号合作,把最优秀的微信推文呈现给大家,希望可以帮助读者更多的了解生信技术,培养和提高读者的生信分析能力!
号外,号外,号外
你想和生信分析大神做好朋友么?
你想认识更多爱好生信分析的小伙伴么?
你想让自己的生信分析走上快车道么?
那就赶快加入我们的生信交流微信群吧!
正确加入我们的模式是:
添加我们的微信bioinformatics88为好友
标注“加入生信草堂交流群”
在群里请大家注明自己本名,单位,研究领域
便于小编管理
这篇文章,作者是想通过分析NCBI GEO数据库、Array Express数据库和Stanley Medical Research Institute Online Genomics数据库里与抑郁症研究有关的基因表达数据,发现新的与抑郁症相关的调节基因,并整合已有的GWAS、DNA 甲基化和miRNA表达数据进行分析。抑郁症是一种常见的精神疾病。单词缩写为Major Depressive Disorder,简称为:MDD。主要表现为情绪低落,兴趣减低、悲观、思维迟缓、缺乏主动性、饮食和睡眠差等等。担心自己患有各种疾病,感到全身多处不适,严重者可出现自杀念头和行为。目前,世界范围内抑郁症的发病率在11.2%,正在不断危害着人们的生产和生活。
近些年来,研究人员通过开展许多全基因组水平表达研究(Genome-wide expression studies, GWES)绘制抑郁症的表达谱。 这些研究基于一定数量的抑郁症患者和健康对照样本,并利用商业基因芯片平台对大量编码基因进行差异表达分析。利用这些发现的结果,可以进行miRNA、GO、KEGG等功能分类的富集分析,有利于发现抑郁症相关的生物信号通路及发病分子机制。考虑到Meta-analysis可以整合不同的数据集增大样本量,有利于发现更加可靠地结果。本文就基于抑郁症已有的GWES数据进行comprehensive meta-analysis。
作者从三大表达数据库: NCBI GEO数据库、Array Express数据库和Stanley Medical Research Institute Online Genomics数据库中搜索基于case-control设计并含有原始数据的研究。另外,利用关键词检索(major depression 和 major depressive disorder)在PubMed和Google Scholar中检索可能存在的数据。还人工地查询了所有合格研究的参考文献以便找到其它未被PubMed或Google Scholar数据库索引的研究。收集到的数据集如下图所示:6个数据集来自于Blood(Blo, 血液样本),2个数据集来自于Amygdala (Amy,杏仁体:大脑中的两个区域之一,与记忆、情绪及嗅觉有关),2个数据集来自于Cerebellum (Cer, 小脑),5个数据集来自于Anterior cingulate cortex (ACC, 前扣带皮层),9个数据集来自于Prefrontal cortex (PFC, 前额皮质)。
基于Affymetric平台的原始数据(.CEL.files),利用R的affy包处理和标准化。基于其他平台,如Illumina或Agilent平台,直接下载处理够的数据进行后续分析。注释文件从NCBI GEO数据库下载。
本文基于random-effects model和rank-aggregation method的NetworkAnalyst在线软件进行全基因组表达水平的meta-analysis。FDR < 0.05表示矫正后显著。对5个不同区域发现的差异表达基因可以用Venn图进行找到共有基因。
利用DAVID和Babelomics在线分析软件对发现的差异表达基因进行功能性富集分析。富集的类别包括:Gene Ontology、KEGG、Chromosomal Location、miRNA Targets、Transcription Factor Binding Sites (TFBS)。
来自于Amygdala和Prefrontal cortex数据集的差异表达基因,作者从Human Interactome Project数据中找到已有的PPI数据。Cytoscape软件用于PPI网络的可视化。Babelomics 5中的SNOW工具用于PPI网络的富集分析。
1. List of top SNPs were extracted from a mega-analysis of GWAS for MDD.
2. A GWAS for response to treatment with selective serotonin reuptake inhibitors.
3. A meta-analysis of GWAS for neuroticism.
4. A GWES for response to two antidepressants in a murine model.
5. Top protein-coding genes were extracted from genome-wide epigenetic analysis of MDD in brain and blood.
6. Top miRNAs were retrieved from a systematic study of miRNA expression in MDD.
7. A list of known druggable genes.
通过分析,作者在不同组织区域中找到了一些差异表达的基因,Blood:25个,Amy:793个,Cer:231个,ACC:668个,PFC:252个。
基于不同区域的富集分析也找到了显著富集的功能分类:GO, signaling pathway和topographic parameters。
GWAS、DNA methylation和miRNA expression研究也有一致性证据发现。如一些差异表达基因富集在脑部表达的miRNA的靶基因上,而在之前的研究中已有证据显示这些miRNA与MDD有关。
小结:
这是关于MDD研究中最大的一个GWES。通过不同组学证据的整合,给我们提供了一个全面的概观了解导致MDD发生的潜在神经信号紊乱机制。同时,提供一些与MDD有关的差异基因可用于后续的研究。
公共数据库,SCI怎么发?(一)
公共数据库, SCI怎么发?(二)
想发Meta的看这里 | Meta分析,SCI怎么发?
迟早会用到的SCI句型
几分钟,使用MedSci搜索SCI期刊最新的信息